|
| |
|
|
Modelování rekonstrukce obrazu při CT RTG fluoroskopii
Bainar, Petr ; Kolář, Radim (oponent) ; Drastich, Aleš (vedoucí práce)
Cílem této práce je návrh a vytvoření simulátoru modelujícího rekonstrukci obrazu při CT fluoroskopii. Své primární uplatnění najde program při kvantitativním hodnocení vlivu jednotlivých akvizičních a rekonstrukčních parametrů procesu zobrazení na získané snímky a při hledání optimálních hodnot těchto parametrů. Úvodní část práce se zabývá teoretickým popisem procesu zobrazení u CT zobrazovacích systémů. Pozornost je věnována zejména přístupům charakteristickým pro CT fluoroskopii, zvláště pak specifickému rozdělování sejmutých projekcí do zvoleného počtu sektorů a způsobu hodnocení fluoroskopického procesu zobrazení. Navazující část práce řeší realizaci simulátoru a jeho omezení vyplývající z nemožnosti využití skutečného zobrazovacího systému a nastiňuje možný způsob práce s programem. Samostatná kapitola je věnována optimalizaci měření kontrastního a prostorového rozlišení v získaných obrazech. Závěrečná část práce je věnována rozboru vlivu jednotlivých akvizičních a rekonstrukčních parametrů fluoroskopického procesu zobrazení a zabývá se rovněž možnostmi optimalizace procesu. Součástí práce je i didaktický simulátor umožňující provedení simulace intervence v reálném čase s manuální manipulací intervenčním nástrojem. Protože budou oba vytvořené simulátory využity ve výuce, přílohu práce tvoří návrh laboratorního cvičení.
|
|
|
Rekonstrukce snímku obličeje s využitím neuronových sítí
Zubalík, Petr ; Drahanský, Martin (oponent) ; Goldmann, Tomáš (vedoucí práce)
Hlavním cílem této bakalářské práce je navrhnout a implementovat model neuronové sítě, který bude schopen rekonstruovat snímky obličeje v tak nízkém rozlišení, že na nich budou rozmazány základní části obličeje. Zadaný problém rekonstrukce obličejů je vyřešen pomocí modelů založených na konvolučních neuronových sítích. První model je postaven na architektuře ResNet, kdežto druhý staví na principech generativních kompetitivních sítí. Navržené modely jsou implementovány v programovacím jazyce Python za pomoci aplikačního programového rozhraní frameworku TensorFlow. Součástí práce je i aplikace s velmi jednoduchým grafickým uživatelským rozhraním pro snadné používání modelu. V poslední části práce je rozebráno několik experimentů provedených pro otestování úspěšnosti navržených modelů
|
|
|
Řízení optického stolku interferenčního mikroskopu na základě obrazové fáze
Kvasnica, Lukáš ; Číp, Ondřej (oponent) ; Chmelík, Radim (vedoucí práce)
Digitální holografická mikroskopie je interferenční zobrazovací metoda využívající principu mimoosové obrazové holografie. Z principu této metody vyplývá možnost rekonstruovat z výstupního signálu mikroskopu jak obrazovou amplitudu, tak i obrazovou fázi, a to prakticky v reálném čase. Tato dvě zobrazení lze získat z jediného obrazového hologramu. Rychlost zpracování obrazového hologramu je omezena rychlostí detekce a výkonem výpočetní techniky. Tato diplomová práce se zabývá vývojem obslužného softwaru pro komunikaci se snímací kamerou a pro zpracování obrazového hologramu. Cílem bylo dosáhnout co nejvyšší počet rekonstrukcí komplexní amplitudy provedených za jednotku času a dosáhnout takových výsledků, aby software využil maximálně možnosti datového přenosu mezi kamerou a počítačem. Dále se tato práce zabývá stabilizací polohy optického stolku reflexního digitálního holografického mikroskopu, která je v principu založena na zpracování rekonstruované obrazové fáze a na zavedení zpětné vazby mezi obrazovou fází a piezoelektrickým aktuátorem optického stolku. V práci jsou prezentovány výsledky měření potvrzující funkčnost stabilizace.
|
|
|
Nové typy a principy optimalizace digitálního zpracování obrazů v EIT
Kříž, Tomáš ; Koňas, Petr (oponent) ; Král, Bohumil (oponent) ; Dědková, Jarmila (vedoucí práce)
Tato dizertační práce se zabývá vytvořením nového algoritmu pro rekonstrukci impedančních obrazů v pozorovaných objektech. Nový algoritmus odstraňuje nedostatky s prostorovým rozlišením u předchozích metod rekonstrukce. Algoritmus využívá částečnou znalost uspořádání v pozorovaných objektech a jejich materiálové složení. Je konstruován pro rozpoznávání určitých důležitých oblastí zájmu, jako jsou defekty v materiálech nebo přítomnost krevních sraženin nebo nádorů v biologických obrazech. Proces rekonstrukce je rozdělen do dvou částí. V první části je zaměřen na průmyslové obrazy, kde jsou detekovány defekty ve vodivých materiálech. Druhá část je zaměřena na využití v biomedicíně. Je zde popsán numerický model, na kterém byl algoritmus testován. Testování bylo zaměřeno na hodnotu výsledné impedivity, vlivu regularizačního parametru, počáteční hodnotě impedivity numerického modelu a vlivu šumu na napěťových elektrodách na výsledky rekonstrukce. Dále je v dizertační práci diskutována možnost rekonstrukce impedančních obrazů z hodnot složek indukce magnetického pole měřené vně zkoumaného objektu. Toto magnetické pole je vytvořeno průchodem proudu pozorovaným objektem. Vytvořený algoritmus rekonstrukce impedančních obrazů vychází z navrženého algoritmu pro rekonstrukci EIT impedančních obrazů z napětí. Byly provedeny testy algoritmu na jeho stabilitu, vliv regularizačního parametru a počáteční konduktivitu. V práci je popsána metodika měření magnetického pole nukleární magnetickou rezonancí a zpracování změřených dat.
|
|
|
Image Super-Resolution Using Deep Learning
Bublavý, Martin ; Juránková, Markéta (oponent) ; Španěl, Michal (vedoucí práce)
The ability to identify and treat a variety of medical diseases is made possible by medical imaging, which is an essential component of contemporary healthcare. Yet, elements like noise and low resolution can have a negative impact on the quality of medical photographs. In this thesis, how to enhance the resolution and quality of medical images was investigated using MedSRGAN, a deep learning model built on generative adversarial networks (GANs). MedSRGAN was implemented and then applied to computed tomography (CT), one of the most utilized medical imaging methods.
|
|
|
Sparse Representation of Signals
Mesárošová, Michaela ; Arm, Jakub (oponent) ; Jirgl, Miroslav (vedoucí práce)
People who are immobile or lie for long periods are at high risk of developing pressure ulcers and require additional care. Therefore, it is necessary to monitor the condition of such persons as simply and efficiently as possible. In this work, we focus on processing the signals provided by a pressure mattress with a 30x11 sensor grid on which a person lays and the possibilities of its use after conversion into sparse representation coefficients. Redundant dictionaries, also known as frames, enable non-orthogonal representation of signals, which leads to a sparse representation of coefficients. Since this approach provides many advantageous properties and is being used in various applications, such as denoising, segmentation, robust transformations, quantum theory, and others, we verified the possibility of classifying a person’s lying position based on a sparse representation. The results were compared with other traditional classification methods, which were found to be less suitable for the classification problem, with the best-achieved result of 92.41 % for CNN, but with high demands on time, design and complexity. The success rate of the classification reached 92.76 %, with fewer demands on design and implementation complexity. The possibilities of classification and reconstruction of an image containing occlusions were also investigated, where the sparse representation proved to be an effective method to remove these defects.
|
|
|
Regularization methods for discrete inverse problems in single particle analysis
Havelková, Eva ; Hnětynková, Iveta (vedoucí práce) ; Plešinger, Martin (oponent)
Cílem této práce je zkoumat možnosti aplikace regularizačních metod založených na Krylovovských podprostorech na diskrétní inverzní úlohy vznikající v single particle analýze (SPA). V první části práce je formulován spo- jitý model a je vysvětlena jeho diskretizace. Výsledkem je špatně podmíněný inverzní problém Ax ≈ b, kde A je lineární operátor a b representuje naměřená data zatížená šumem. V práci jsou zahrnuty teoretické základy a přehled vy- braných metod pro řešení obecných lineárních inverzních problémů. Dále se práce zaměřuje na specifické vlastnosti inverzních problémů ve SPA a zahrnuje experimentální analýzu založenou na synteticky vygenerovaných SPA datech (experimenty jsou provedeny v prostředí Matlab). V další části se práce zaměřuje na metodu založenou na iterativním hybridním LSQR s vnitřní Tikhonovskou regularizací. Diskutovány jsou též vhodné zastavovací kritérium a metoda pro volbu regularizačního parametru pro vnitřní regularizaci. Na základě vlastní implementace (v prostředí Matlab a v C++) jsou výsledky navržené metody analyzovány na sérii modelových SPA dat, kde se uvažuje zatížení vysokou hla- dinou šumu a realistické rozložení projekčních úhlů. Metoda je dále...
|
|
|
Optimalizační úlohy s pravděpodobnostními omezeními
Drobný, Miloslav ; Adam, Lukáš (vedoucí práce) ; Lachout, Petr (oponent)
Autor se v diplomové práci zabývá optimalizačními úlohami s pravděpodob- nostními omezeními. Konkrétně pak situacemi, kdy není známo pravděpo- dobnostní rozdělení přítomného náhodného efektu. K řešení těchto problém· lze přistoupit metodami optimistických a pesimistických scénář·, kdy z dané rodiny možných pravděpodobnostních rozdělení vybíráme bu¤ nejpříznivější možnou variantu, nebo naopak tu nejméně výhodnou. Optimalizační úlohy s pravděpodobnostními omezeními formulovanými pomocí výše zmíněných přístup· byly za učinění jistých předpoklad· transformovány do jednoduš- ších a řešitelných optimalizačních úloh. Dosažené výsledky byly aplikovány na reálná data z oblastí optimalizace portfolia a zpracování obrazu. 1
|
|
|
Modifikace obrazu pomocí neuronových sítí
Maslowski, Petr ; Zbořil, František (oponent) ; Šůstek, Martin (vedoucí práce)
Tato práce se zabývá obarvováním šedotónového obrazu a zvětšováním rozlišení obrazu za pomoci neuronových sítí. Stručně vysvětluje principy neuronových sítí a shrnuje dosavadní přístupy v těchto oblastech. Dále pak popisuje návrh, implementaci a trénování různých architektur neuronových sítí. Nejlepší vytvořená architektura pro obarvování obrazu dokáže dobře obarvit především obrázky venkovních prostor. Architektura pro zvětšování rozlišení obrazu s reziduálními bloky, jež byla trénována s perceptuální chybovou funkcí, provádí dvojnásobné zvětšení rozlišení obrazu (celkem 4x více pixelů). Součástí této práce je také implementace webové aplikace, která využívá natrénované modely pro úpravu obrazu.
|
host ::
RSS.